12月10日,曙光节能启动“液冷爆发”倒计时,并表示距象征“液冷”技术在数据中心行业全面爆发,取代“风冷”成为主流冷却设备的“零点”仅剩“10分钟”。曙光表示,2019年曙光率先在世界范围内,实现首次刀片式浸没相变液冷技术的大规模部署,早在2015年,曙光已实现国内首个冷板液冷大规模应用,截至目前累计部署的液冷服务器已达数万台,技术上液冷已有足够积累取代风冷。
12月10日,在北京中科曙光大厦展览厅,曙光节能总经理何继盛将“数据中心液冷‘爆发’倒计时钟”的时间拨到了11点50分,这距象征液冷在数据中心行业全面爆发的“零时”仅有10分钟。
曙光方面表示,虽然从全国范围来看,风冷目前仍是在运行数据中心普遍采用的冷却技术,但随着2019年曙光实现首个刀片式浸没相变液冷技术的大规模部署,以及伴随行业与政策的需求,液冷成为行业主流冷却技术的爆发时间已非常接近。
“如果从1960年代液冷技术首次在数据中心上应用,一直到液冷取代风冷成主流冷却技术的过程视为12个小时。我们距‘零时’——液冷在行业‘爆发’的时间很近,液冷取代风冷成主流有望3至5年内实现。”曙光节能总经理何继盛说。
据了解,早在2012年曙光便立项,探究降低数据中心能耗与提升计算密度的核心技术——“液冷”,并于2015年推出国内首款标准化量产的冷板式液冷服务器,当年为研究大气圈、生物圈等圈层间联系的地球系统数值模拟装置原型机,提供了“冷板液冷”技术,实现了液冷在国内的首次大规模部署。
2019年4月,随着曙光在全球范围内首次实现“刀片式浸没相变液冷”的大规模部署,液冷技术已进入“新纪元”。截至目前,曙光拥有的“液冷”核心专利超40项,部署的液冷服务器已达数万台。
随着IT产业高速发展以及5G、大数据时代到来,数据中心功率与计算密度正不断飞升,由此带来的能耗与环保问题正引起广泛关注,以节能、智能化、高密度等为特征的“绿色计算”正成为数据中心行业建设潮流。
2017年,中国数据中心总耗电量达到1200-1300亿千瓦时,这个数字超过三峡大坝(2017年全年发电量为976.05亿千瓦时)和葛洲坝电厂发电量(2017年葛洲坝电厂发电量190.5亿千瓦时)之和。据IDC预测,到2020年中国数据中心耗电量为2962亿千瓦时,2025年高达3842.2亿千瓦时。
为限制并引导在建“数据中心”降低能耗,从2018年至今,北京、上海、深圳等多地出台了“数据中心建设”指导意见、准则,而“液冷”也成为数据中心行业节能技术的关注焦点。
据IDC发布的《2019中国企业绿色计算与可持续发展研究报告》显示,在调查的超过200家大型企业中,超过50%的企业已大规模部署并使用模块化数据中心、液体冷却等“绿色计算”技术。
据了解,以“风冷”技术为代表的传统数据中心,超过一半耗能用在了冷却计算设备上,PUE(评价能源效率指标)值普遍在1.4以上,且单柜功率密度最高只能到30Kw左右。而采用“液冷”技术的数据中心,则可大幅降低冷却能耗并提高计算设备性能和稳定性。
以采用“刀片式浸没相变液冷”技术的曙光新一代计算机“硅立方”为例,其PUE降至1.04(全球数据中心PUE平均值为1.58),相比风冷数据中心能效比提升超30%,CPU等核心芯片部件性能可提升20%,单机柜功率密度达160Kw,计算设备可靠性至少提升一个数量级。
曙光方面表示,液冷技术是数据中心突破节能瓶颈的“最佳捷径”,曙光多年来致力于绿色计算带来的“计算变革”,曙光节能基础设施更是将这股“绿色风暴”落地成型,将数据中心PUE提升至世界前沿水平。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。